python - 在 python/pandas 中一次更改多列的数据类型

Question

我有一个包含 30 列的数据框。当我使用 pd.read_csv() 方法加载数据时，所有列的数据类型默认设置为 object。

我想将 col-1 和 col-5 更改为 int 并将其余列更改为 category.

我的问题是，如何立即将剩余的列设置为类别，

我知道我可以做一些像下面这样麻烦的事情

    +------------------------------------------------+
    | df['col-1'] = df['col-1'].astype('int)         |
    +------------------------------------------------+
    | df['col-2'] = df['col-2'].astype('category')   |
    | ...                                            |
    | df['col-5'] = df['col-5'].astype('int')        |
    +------------------------------------------------+
    | ...                                            |
    | df['col-29'] = df['col-29'].astype('category') |
    +------------------------------------------------+
    | df['col-30'] = df['col-30'].astype('category') |
    +------------------------------------------------+

有什么方法可以在读取 csv 时执行如下操作

pd.read_csv('myfile.csv', dtype={('col-1','col-5') : int, 'rest' : 类别})?

这可能吗？

Answer 1

初始化一个字典，将列名映射到所需的类型，然后将字典传递给 DataFrame.astype :

dtypes = {c: 'category' for c in df}
dtypes.update({c: 'int' for c in ('col1', 'col5')}

out = df.astype(dtypes)

请注意，您仍然需要显式枚举每一列 - 目前没有任何范围可以将连续切片指定为 astype。

---

或者，你也可以这样做

int64_cols = ['col1', 'col5'] 
df.loc[:, df.columns.difference(int64_cols)] = (
      df[df.columns.difference(int64_cols)].astype('category'))

df.loc[int64_cols] = df.loc[int64_cols].astype(int)

这是对 astype 的两次调用，而不是一次。